屈卫锋+徐越+牛磊磊+张海辉+宋怀波

摘要：QR二维码应用于商品溯源有助于提升商品的质量安全水平，但因其易受光照不均的影响，导致QR二维码难以快速准确识别，为了解决这一问题，本研究提出了一种光照不均QR二维码图像的快速高效处理方法。以光照不均QR二维码图像为研究对象，首先研究Otsu算法对其及其4分块、9分块、16分块的二值化效果；其次研究Retinex图像增强算法对其增强后Otsu算法的二值化效果；最后研究QR二维码图像及其4分块、9分块、16分块在直方图均衡化后Otsu算法的处理效果。实验表明，当把光照不均QR二维码图像分为16块后采用直方图均衡化方法处理时，平均识别率为94.4%，与Retinex图像增强方法和Otsu算法相比，分别提高了43.3%和10%，平均运行时间为0.14秒，比Otsu算法略慢0.004秒，比Retinex方法快0.139秒。表明采用直方图均衡化方法能够有效地实现光照不均影响下QR二维码图像的处理。

关键词：产品溯源；QR二维码；光照不均；Otsu；直方图均衡化；Retinex

中图分类号：TP391.41

文献标识码：A

DOI：10.3969/j.issn，1003-6970.2015.06.010

本文著录格式：屈卫锋，徐越，牛磊磊，等，光照不均QR二维码图像的高效处理方法研究[J].软件，2015，36（6）：47-52

AStudyofanEfficientMethodfortheProcessingofUnevenIlluminationQRCodeImages

QUWei-feng，XUYue，NIULei-lei，ZHANGHai-hui，SONGHuai-bo

[Abstract]：ApplyingQRcodetotracethesourceofproductsisconducivetoimprovingthesafetyoftheirquality.Becauseoftheinfluenceofunevenillumination，itisdifficulttorecognizeQRcodefastandexactly.Tosolvethisproblem，afastandefficientmethodforprocessingQRcodeimageofunevenilluminationwasproposed.Threeexper-imentalresearchesaboutQRcodeimageofunevenilluminationwerecarriedout.Firstly，Otsualgorithm'sbinaryeffectfororiginalimagesandtheirfourblocks，nineblocks，sixteenblockswasstudied；secondly，Otsualgorithm'sbinaryeffectafterRetineximageenhancementfororiginalimageswasstudied；finally，Otsualgorithm'sbinaryeffectafterhistogramequalizationfororiginalimagesandtheirfourblocks，nineblocks，sixteenblockswasstudied.Theexperi-mentalresultsshowthatwhenunevenilluminationQRcodeimageisdividedintosixteenblocks，theaveragerecogni-tionrateofhistogramequalizationmethodis94.4%，whichis43.3%and10%higherthanRetinexenhancementmethodandOtsumethodrespectively.Moreover，theaverageoperationtimeofhistogramequalizationmethodis0.14seconds，whichis0.004secondsmorethanOtsualgorithmand0.139secondsfewerthanRetinexmethod.Thus，itcouldbecon-cludedthatQRcodeimagesundertheinfluenceofunevenilluminationcanbeidentifiedfastandeffectivelybythehis-togramequalizationmethod..

[Keywords]：Productstraceability；QRcode；Unevenillumination；Otsu；Histogramequalization；Retinex

QR二维码，即快速响应码，源于QuickResponse的缩写，是日本DensoWave公司于1994年9月研制的一种矩阵二维码符号[1]。QR二维码由黑白像素交替组成，具有信息量大、可靠性高、超高速全方位识读、高效汉字表示等优点，已越来越广泛地应用于证件管理、政府公共部门、商品溯源、电子票务、火车票、软件等领域。食品安全系统和网络安全系统的建立都离不开溯源[2-4]，将QR二维码应用于商品品质溯源有助于提升商品的质量安全管控水平，保障优势商品产业链的健康发展。

因QR二维码应用广泛，但由于受光照条件的影响导致其难以快速准确识别，为了快速准确识别QR二维码，首先就要消除光照不均的影响，二值化处理效果对最终能否稳定快速识读出QR二维码至关重要，因此研究光照不均QR二维码的二值化方法具有实际的应用价值。

针对光照不均影响下QR二维码图像的快速高效处理问题，国内外研究者提出了各种算法。LuizFF提出了一种改进的基于背景灰度估计的校正算法，但计算量增加，运算时间增长[5]；杨佳丽等提出了一种白适应阈值算法，首先判别图像的直方图是否有明显谷底和采集的图像是否光照不均匀，之后分别采用B样条拟合直方图和白适应阈值法进行二值化，该算法增加了图像处理的复杂度，实时性不高[6]；孙明等提出了把直方图双峰法、Otsu法及Niblack阀值法结合起来的改进的白适应阈值法以得到不同光照条件下的最佳阈值，该方法根据图像直方图峰值特性选取不同二值化算法，其算法处理速度有待进一步提高[1]；闫三虎等提出了一种基于改进的局域背景灰度估计的校正算法，但对于不均匀光照的图像二值化时该算法增加了均匀校正的处理过程从而增加了时间上的开销[8]；路阳等采用改进的同态滤波器消弱光照影响后再用Otsu算法进行处理[9]；张继荣等提出了一种改进的基于背景灰度的二值化算法，该方法需要循环计算每个像素的差值，计算量过大，且需要人为设定阈值[10]。上述算法的处理效果虽有所提升，但都增加了算法的复杂度和需要大量的浮点运算，影响识别速度，难以满足便携式终端QR二维码识读器实时性和快速性的要求，尚有改进空间。

鉴于上述，为了消除光照不均对QR二维码图像处理的影响，同时满足便携式QR二维码识渎器实时性和快速性的要求，本研究以光照不均QR二维码图像为研究对象，分别探究了Otsu算法、Retinex算法和直方图均衡化方法在QR二维码图像上的处理效果，以期实现光照不均QR二维码的快速高效识别。

1基于Otsu算法的光照不均QR二维码图像处理方法

基于图像灰度直万图具有明显的双峰性，OtsuN.提出了最大类间方差法[11]（Otsu）来进行图像分割。Otsu算法能根据图像灰度分布、统计分布规律，自动选取最佳分类阈值，因此它被广泛地用于各种需白动选取图像阈值的问题之中[12]。但该方法在目标和背景的面积比相差较小时，则无法准确分割图像，因此Otsu仍存在着不足之处[13]。

采用Otsu算法对光照不均QR二维码图像进行分割，其结果如图1所示，图1a为光照不均QR二维码的灰度图像，图lb是图la对应的Otsu分割结果。从图la可以看到，受光照不均的影响，QR二维码图像出现了亮区域和暗区域；从图lb可以发现Otsu算法只能分割出光照比较亮的区域，而无法实现光照相对较暗区域的分割。

基于图像存在亮暗区域和Otsu的分割效果，单一的阈值不能兼顾到图像各个像素的实际情况，这时Otsu算法对于亮度不均匀的区域难免会发生误判现象。针对Otsu算法的这一缺点，结合QR码的特点，将QR码图像进行分块处理，这样每一子块内的灰度值变化较小，有效地减小对整幅图像采用同一阈值进行二值化产生误判的可能性，且分块后能大大地减少图像的处理时间，使其能够在较短时间内有效地分离出目标与背景。

将图la分为4块、9块和16块后再分别采用Otsu对其子块进行二值化，再将每个子块二值化后的结果合并为一幅图像，以期消除光照不均对Otsu算法分割的影响。分块后采用Otsu算法处理的结果如图2所示。图2a、2b和2c分别是把原图分为4块、9块和16块后Otsu算法处理的结果。对比图2和图lb，可以发现，分块后Otsu二值化效果明显改善且随着分块数目的增加效果越来越好。采用了分块处理，各子块图像像素存在不连续性，容易产生块效应，当分块数较大时，虽然加快了图像的处理速度，但块效应也比较明显，经过实验，一般分16块为最佳，从图2a-c可以看出，当块数增加时，块效应也相应地增加。的映射关系，映射后可得到直方图均衡后的图像。

2基于Retinex算法的光照不均QR二维码图像处理方法

Retinex图像增强算法主要遵循同样的物体在不同的光源或光线底下颜色恒定的机理，通过改变图像中物体的入射光亮度和反射光亮度的比例来达到增强图像的目的。该算法可以有效地改善图像的视觉效果，是一种常用的图像增强算法[14]。

根据Retinex色彩理论，物体的颜色是由物体对长波、中波和短波光线的反射能力共同决定的，而物体在某个波段内的反射能力是物体本身固有的属性，与光源没有依赖关系。通过计算每个波段内像素间的相对明暗关系，可以获得三个独立的相对明暗关系值，从而确定该像素的颜色。

这种方法的特点是：图像中各个像素的相对明暗关系受光源的影响很小，对于对比度很小的图像，如整体上比较亮或比较暗的图像，可以消除光源非均匀性的影响，提高图像的对比度，大幅度改善图像的主观质量。此外，该方法还可以纠正由于光源的偏色而导致的图像色彩失真问题。

在Retinex模型中，图像S（x，y）是由入射光分量和反射光分量构成的，如式（1）所示：

S（x，y）=R（x，y）-L（x，y）

（1）

其中，L（x，y）表示入射光，R（x，y）表示物体的反射性质。Retinex理论旨在运用各种数学方法从图像S中获得物体的反射性质R，如果能从给定的图像中分离出亮度图像和反射图像，就能通过改变亮度图像与反射图像的之间的比例来达到图像增强的目的。具体实现步骤如下：

（1）提取图像的R，G，B三分量并数据类型归一化；

（2）利用高斯函数分别与R，G，B进行卷积并取对数；

（3）对原R，G，B取对数并相应减去（2）中结果；

（4）利用不同参数的高斯函数重复（2）（3）两次；

（5）把以上处理结果分别对应相加取均值。

将图1a对应的彩色图像进行上述处理，图像增强后再采用Otsu算法进行二值化，结果如图3所示。从图3可以发现，Retinex图像增强后再分割能获得较好的处理结果。

3基于直方图均衡化方法的光照不均QR二维码图像处理方法

直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。通过该方法就可以用于增强局部的对比度而不影响整体的对比度，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。

假设灰度级为归一化至范围[0，1]内的连续量，并令pr（r）表示某给定图像中的灰度级的概率密度函数（PDF），其下标用来区分输入图像和输出图像的PDF。假设对输入灰度级执行如下变换，得到处理后的输出灰度级s：

输出灰度级的概率密度函数是均匀的，即

上述生成的图像其灰度级较为均衡化，且覆盖了整个范围[0，1]，是一幅扩展了动态范围的图像，具有较高的对比度[15]。

采用直方图均衡化提高图la的对比度，减弱或消除光照不均后再利用Otsu算法对其分割实现二值化，其处理结果如图4a所示。对比图4a和图lb可以发现，直方图均衡化后再利用Otsu算法进行分割只能改善光照过暗区域的处理效果，对于光照过亮区域仍有待提高。基于上述分析，同样将图la分为4块、9块和16块后，分别对其子块进行直方图均衡化处理，再用Otsu算法对每个子块进行二值化处理，之后将处理结果合并为一幅图像，以期消除光照不均对Otsu算法分割的影响。其对应结果如图4b，4c，4d所示。从图4可以看出，随着分块数目的增加该方法逐渐消除了光照不均对二值化的影响。对比图2和图4，可以看出分块直方图均值化后Otsu算法的处理效果明显优于分块后直接Otsu算法次效果。

4试验结果与分析4.1试验结果

为了验证文中三种方法消除光照不均影响的有效性，选取29幅在室内环境下拍摄的受不同程度光照强度影响的QR二维码图像进行了试验，试验图像于2014年6月20日在西北农林科技大学机械与电子工程学院204室采集，光源为日光灯，采集设备为手机白带相机，采集时摄像头距离目标约0.13米，图像以JPEG格式存储。试验在2.6GHz处理器、4G内存的联想G480上完成，试验程序在MATLAB2013a环境下编写、运行。

利用上述方法进行试验的结果示例如图5所示，其中图5al-a5为光照不均的QR二维码图像，图5al-a2为暗光照QR二维码图像，图5a3-a4为中等光照强度QR二维码图像，图5a5为强光照QR二维码图像，可见其亮度、色调和饱和度均发生了变化；图5bl-b5是图5al-a5经16分块后Otsu分割结果；图5cl-c5是图5al-a5经Retinex（简记为RI）增强后Otsu分割结果；图5d1-d5是图5a1-a5经16分块直方图均衡化（HistogramEqualization，HE）后Otsu分割结果。

为了进一步客观地分析这3种算法的有效性，提m对光照不均QR二维码图像处理结果的评价指标，正确识别率б，其定义如公式（4）所示。

б=X识别数/X总数xl00%

（4）

其中：б表示正确识别率，X识别数表示正确识别的数量，X总数表示试验图像的总数量。利用现在较为流行的微信扫一扫功能对29幅光照不均QR二维码图像处理结果进行了识别（其中利用Otsu算法分为整体、4分块、9分块、16分块各29次，Retinex整体识别29次，直方图均衡化算法分为整体、4分块、9分块、16分块各29次，总计261次），得到的统计数据如表1所示。

4.2结果分析

（1）消除光照不均效果分析

对图5进行分析，由图5b2，b5可以看出，16分块后Otsu算法仍然对光照过暗区域和光照过强区域无法有效分割；分析图5c2，c5可以看出，Retinex图像增强后Otsu算法仍然对光照过暗区域和光照过强区域无法有效分割；对比图5dl-d5和图5bl-b5可以看出，直方图均衡化后Otsu算法分割效果相比直接Otsu算法分割效果有明显改善。

总体分析图5发现，对于暗光照影响下图像的处理效果，直方图均衡化方法最好；对于中等光照影响下图像的处理效果，三种方法同样好；对于强光照影响下图像的处理效果，直方图均衡化方法最好。同时，直方图均衡化后再用Otsu算法分割的效果比直接用Otsu算法分割的效果好。

（2）识别率分析

分析表1得出，随着图像从整体到4分块、9分块和16分块，Otsu算法和直方图均衡化方法的识别率都依次提高，平均识别率分别从8.9%上升到84.4%、从39.8%上升到94.4%；Retinex图像增强算法对中等光照影响下图像的处理效果很好识别率保持在100%，但对于暗光照和强光照影响下的图像，其识别率很低，分别为20.0%和33.3%。

（3）处理时间分析

同时对3种方法识别率最高时所用的时间进行了统计，统计结果如表2所示。

分析表2可以发现，Otsu算法平均耗时最小，仅为0.136秒，直方图均衡化方法耗时接近Otsu算法，平均耗时为0.140秒，Retinex图像增强算法耗时最多，平均耗时为0.279秒，大约为前两种方法的2倍。结合表1可以得出，Retinex算法在进行中等光照阴影的QR二维码图像处理时虽然具有较好的识别效率，但不适合快速高效的QR二维码识别。

综上所述，QR二维码图像分块处理简单且省时，当将其分为十六块采用直方图均衡化方法进行处理时，平均识别率为94.4%，比Retinex图像增强算法和Otsu算法分别高43.3%和10%。处理时间为0.14秒，比Retinex图像增强算法少0.139秒，比Otsu算法多0.004秒，表明图像16分块后直方图均衡化方法进行QR二维码的快速处理是可行的。5结论

针对QR二维码特定的应用场景，为满足便携式QR二维码识读器的实时和准确识读等要求，解决光照不均引起的QR二维码图像处理效果比较差这一问题势在必行。本文针对现有QR二维码图像处理方法，研究了三种光照不均影响下的QR二维码图像处理方法，实现了光照不均影响下QR二维码图像的处理，主要研究内容包括以下2点：

1）为了消除光照不均对图像处理的影响，以暗光照、中等光照和强光照影响下QR二维码图像为对象，采用三种可消除光照不均影响的方法进行了试验，试验表明Otsu算法和直方图均衡化算法随着图像分块数增加处理效果越来越好，将图像16分块后用直方图均衡化算法处理最有效。

2）为了验证三种算法的有效性，引入了处理效果评判指标识别率和算法消耗时间，当把图像16分块后采用直方图均衡化方法处理时，其平均识别率为94.4%，相比Retinex图像增强方法和Otsu分别提高43.3%和10%，处理时间仅为0.14秒，比Otsu方法略低0.004秒，比Retinex方法快了0.139秒。表明直方图均衡化方法能够有效地实现光照不均影响下QR二维码图像的处理。同时该方法对于处理其它光照不均的图像具有一定的借鉴意义。

参考文献

[1]国家技术监督局.GB/rl8284-2000中华人民共和国国家标准[S].2000

[2]齐开诚，毛京丽，夏之斌.IPv6环境下网络溯源系统[J].软件，2013，34（5）：112-115+

[3]张沙清，郭建华，杨玉法，等.基于物联网的猪肉产品质量安全监管与溯源系统[J].软件，2013，34（12）：6-9.

[4]傅俊，曹春益.基于物联网的农产品质量溯源系统设计[J].软件，2014，35（3）：9-10.

[5]BelussiLF，HirataNS.FastQRcodedetectioninarbitrarilyacquiredimages；proceedingsoftheGraphics，PatternsandImages（Sibgrapi），201124thSIBGRAPIConferenceon，F，2011[C].IEEE.

[6]杨佳丽，高美凤.QR码图像二值化的研究[J].计算机工程与应用，2009，45（35）：176-178，95.

[7]孙明，傅隆生，杨信廷，等.用于QR码自动识读的图像分析方法[J].电子科技大学学报，2009，38（6）：1017-1020.

[8]闫三虎，胡卫东，罗小平.改进二值化算法在QR码识中的应用[J].计算机系统应用，2011，20（6）：165-168.

[9]路阳，高慧敏.光照不均QR码图像二值化研究[J].太原科技大学学报，2012，33（5）：396-400.

[10]张继荣，王利军.一种改进的QR码图像二值化算法[J].现代电子技术，2014，7：56-58.

[11]OtsuN.Athresholdselectionmethodfromgraylevelhistogram[J].IEEETrans.OnSystems，ManandCyberneticsSMC，1979，9（1）：62-66.

[12]蔡健荣，周小军，李玉良，等.基于机器视觉自然场景下成熟柑橘识别[J].农业工程学报，2008，24（1）：175-178.

[13]蔡健荣，赵杰文.自然场景下成熟水果的计算机视觉识别[J].农业机械学报，2005，36（2）：61-65.

[14]熊俊涛，邹湘军，王红军，等.基于Retinex图像增强的不同光照条件下的成熟荔枝识别[J].农业工程学报，2013，29（12）：170-178.

[15]阮秋琦.数字图像处理（MATLAB版）[M].北京：电子工业出版社，2005.